移動(dòng)邊緣計(jì)算任務(wù)切分與物聯(lián)網(wǎng)最優(yōu)數(shù)據(jù)卸載算法設(shè)計(jì)

劉向東

摘要：為解決傳統(tǒng)卸載算法在對(duì)物聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行卸載時(shí)，存在卸載數(shù)據(jù)量與實(shí)際需要進(jìn)行卸載的數(shù)據(jù)量相差較大，影響物聯(lián)網(wǎng)高效運(yùn)行問(wèn)題，開(kāi)展移動(dòng)邊緣計(jì)算任務(wù)切分與物聯(lián)網(wǎng)最優(yōu)數(shù)據(jù)卸載算法設(shè)計(jì)研究。通過(guò)物聯(lián)網(wǎng)移動(dòng)邊緣節(jié)點(diǎn)計(jì)算任務(wù)切分、基于完全物聯(lián)網(wǎng)移動(dòng)邊緣場(chǎng)景的數(shù)據(jù)卸載和基于不完全物聯(lián)網(wǎng)移動(dòng)邊緣場(chǎng)景的數(shù)據(jù)卸載，提出一種全新的卸載算法。通過(guò)對(duì)比實(shí)驗(yàn)進(jìn)一步證明，新的卸載算法在實(shí)際應(yīng)用中卸載精度更高，更滿足物聯(lián)網(wǎng)高效運(yùn)行需要。

關(guān)鍵詞：移動(dòng)邊緣計(jì)算;任務(wù)切分;物聯(lián)網(wǎng);最優(yōu)數(shù)據(jù);卸載算法

中圖分類號(hào)：TN929.52 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）32-0129-02

當(dāng)前云計(jì)算、物聯(lián)網(wǎng)等智能技術(shù)的應(yīng)用逐漸廣泛，智能汽車、虛擬現(xiàn)實(shí)技術(shù)等相關(guān)應(yīng)用不斷產(chǎn)生，可穿戴的便攜式設(shè)備、家用電器等數(shù)量呈現(xiàn)出爆發(fā)式的增長(zhǎng)，未來(lái)網(wǎng)絡(luò)環(huán)境將會(huì)逐漸向著分布式的方向發(fā)展和轉(zhuǎn)變[1]。當(dāng)前現(xiàn)代計(jì)算技術(shù)雖然能夠更加集中化的數(shù)據(jù)資源，但由于在傳輸過(guò)程中會(huì)產(chǎn)生海量的數(shù)據(jù)信息，因此在其傳輸?shù)倪^(guò)程中還會(huì)迫使物聯(lián)網(wǎng)產(chǎn)生更大的壓力，進(jìn)而影響到物聯(lián)網(wǎng)用戶的體驗(yàn)質(zhì)量[2]。在這樣物聯(lián)網(wǎng)感知設(shè)備數(shù)據(jù)傳輸?shù)倪^(guò)程中，數(shù)據(jù)的處理方式也在一定程度上受到了巨大的風(fēng)險(xiǎn)和挑戰(zhàn)。當(dāng)前，物聯(lián)網(wǎng)領(lǐng)域相關(guān)研究人員正逐漸將上述方面問(wèn)題作為研究的重點(diǎn)，以此解決物聯(lián)網(wǎng)移動(dòng)終端數(shù)據(jù)傳輸?shù)綌?shù)據(jù)中心過(guò)程中存在的問(wèn)題，因此，移動(dòng)邊緣計(jì)算方法應(yīng)運(yùn)而生[3]。移動(dòng)邊緣計(jì)算是在接近物聯(lián)網(wǎng)移動(dòng)設(shè)備的邊緣，為其布置服務(wù)器，并形成邊緣云結(jié)構(gòu)，以此為物聯(lián)網(wǎng)用戶提供計(jì)算和存儲(chǔ)的數(shù)據(jù)資源，更進(jìn)一步為用戶帶來(lái)良好的體驗(yàn)。但由于當(dāng)前物聯(lián)網(wǎng)環(huán)境的當(dāng)中的數(shù)據(jù)呈現(xiàn)出爆發(fā)式的增長(zhǎng)趨勢(shì)，因此在對(duì)數(shù)據(jù)進(jìn)行卸載過(guò)程中，仍然沿用傳統(tǒng)的卸載算法很難實(shí)現(xiàn)對(duì)全部數(shù)據(jù)的精準(zhǔn)卸載，容易造成數(shù)據(jù)的冗余，影響物聯(lián)網(wǎng)的高效運(yùn)行[4]?；诖耍疚拈_(kāi)展移動(dòng)邊緣計(jì)算任務(wù)切分與物聯(lián)網(wǎng)最優(yōu)數(shù)據(jù)卸載算法設(shè)計(jì)研究。

1移動(dòng)邊緣計(jì)算任務(wù)切分與物聯(lián)網(wǎng)最優(yōu)數(shù)據(jù)卸載算法設(shè)計(jì)

1.1物聯(lián)網(wǎng)移動(dòng)邊緣節(jié)點(diǎn)計(jì)算任務(wù)切分

本文移動(dòng)邊緣計(jì)算任務(wù)切分與物聯(lián)網(wǎng)最優(yōu)數(shù)據(jù)卸載算法在對(duì)物聯(lián)網(wǎng)中需要進(jìn)行卸載的數(shù)據(jù)進(jìn)行處理時(shí)，主要以物聯(lián)網(wǎng)傳感器采集到的差異數(shù)據(jù)信息作為基礎(chǔ)，通過(guò)對(duì)物聯(lián)網(wǎng)移動(dòng)邊緣節(jié)點(diǎn)計(jì)算任務(wù)的切分，并計(jì)算器卸載量，完成相應(yīng)的卸載工作。圖1為物聯(lián)網(wǎng)移動(dòng)邊緣節(jié)點(diǎn)分布式結(jié)構(gòu)示意圖。

圖1中編號(hào)1～12分別為物聯(lián)網(wǎng)基站移動(dòng)邊緣當(dāng)中各個(gè)無(wú)線傳感器節(jié)點(diǎn)，圖1中箭頭的起始位置與數(shù)據(jù)發(fā)送方相連接，箭頭的終止位置與數(shù)據(jù)接收方相連接。對(duì)于物聯(lián)網(wǎng)移動(dòng)邊緣環(huán)境而言，數(shù)據(jù)的節(jié)點(diǎn)在傳輸過(guò)程中，通常是采用超寬頻譜的方式對(duì)節(jié)點(diǎn)的計(jì)算任務(wù)進(jìn)行選擇，但這種方法針對(duì)含量數(shù)據(jù)節(jié)點(diǎn)，會(huì)產(chǎn)生較大的負(fù)載壓力，因此造成物聯(lián)網(wǎng)能任務(wù)切分能力受到影響。因此，針對(duì)這一問(wèn)題，本文在對(duì)其進(jìn)行任務(wù)切分的過(guò)程中引入卸載數(shù)據(jù)特征模糊聚類的思想[5]。將物聯(lián)網(wǎng)移動(dòng)邊緣節(jié)點(diǎn)數(shù)據(jù)設(shè)置為Wn×m={Wij} n×m，該表達(dá)式是一個(gè)由n×m大小構(gòu)成的矩陣，其公式可用如下形式表示：

[Wn×m=w11w12…w1mw21w22…w2m??…?wn1wn2…wnm] ? ? ? ? ? ? ? ? ? ? （1）

公式（1）中，n表示為物聯(lián)網(wǎng)移動(dòng)邊緣環(huán)境中需要進(jìn)行卸載處理的數(shù)據(jù)節(jié)點(diǎn)個(gè)數(shù);m表示為任務(wù)切分相關(guān)性較高的數(shù)據(jù)條數(shù)。根據(jù)上述公式（1）計(jì)算，得出每一個(gè)具有卸載特征的數(shù)據(jù)節(jié)點(diǎn)。為實(shí)現(xiàn)本文卸載算法的高效性，還需要對(duì)上述公式（1）進(jìn)行降維處理，并將其變化為如下公式（2）的形式：

[Wn×m=（Im×s+Js×s）/Rs×n] ? ? ? ? ?（2）

公式（2）中，[I]表示為公式（1）中水平方向上的數(shù)據(jù)節(jié)點(diǎn);[J]表示為公式（1）中豎直方向上的數(shù)據(jù)節(jié)點(diǎn);[R]表示為公式（1）中所有數(shù)據(jù)節(jié)點(diǎn);[S]表示為需要進(jìn)行卸載的數(shù)據(jù)節(jié)點(diǎn)量。根據(jù)上述公式計(jì)算，得出的結(jié)果即為具體物聯(lián)網(wǎng)移動(dòng)邊緣節(jié)點(diǎn)計(jì)算任務(wù)切分結(jié)果。

1.2基于完全物聯(lián)網(wǎng)移動(dòng)邊緣場(chǎng)景的數(shù)據(jù)卸載

為實(shí)現(xiàn)對(duì)物聯(lián)網(wǎng)數(shù)據(jù)的最優(yōu)卸載效果，本文對(duì)完全物聯(lián)網(wǎng)移動(dòng)邊緣場(chǎng)景和不完全物聯(lián)網(wǎng)移動(dòng)邊緣場(chǎng)景進(jìn)行區(qū)分，分別對(duì)其需要進(jìn)行卸載的數(shù)據(jù)進(jìn)行處理[6]?；谕耆锫?lián)網(wǎng)移動(dòng)邊緣場(chǎng)景的數(shù)據(jù)卸載流程：

第一步，采集物聯(lián)網(wǎng)移動(dòng)邊緣環(huán)境中記錄的數(shù)據(jù)信息，利用本文上述物聯(lián)網(wǎng)移動(dòng)邊緣節(jié)點(diǎn)計(jì)算任務(wù)切分方法，確定卸載任務(wù);

第二步，對(duì)物聯(lián)網(wǎng)結(jié)構(gòu)特征和用戶行為特征進(jìn)行全面分析，并根據(jù)分析結(jié)構(gòu)構(gòu)建隨機(jī)森林分類模型，對(duì)用戶機(jī)會(huì)連接進(jìn)行預(yù)測(cè);

第三步，將用戶數(shù)據(jù)需求分析引入到卸載操作當(dāng)中，結(jié)合博弈理論，在確保Nash均衡的條件下，通過(guò)迭代算法的求解，給出數(shù)據(jù)信息卸載的策略。

根據(jù)上述數(shù)據(jù)卸載流程，得出博弈理論當(dāng)中應(yīng)當(dāng)包含參與者、測(cè)量以及效用，共三個(gè)要素，分別利用三個(gè)要素刻畫(huà)一個(gè)完整的博弈模型。將用戶的效益最大化作為目標(biāo)，得出博弈模型的表達(dá)式為：

[U=?log（1+f）-p] ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

公式（3）中，[U]表示為以用戶效益最大化為目標(biāo)的博弈結(jié)果;[?]表示為用戶參與體驗(yàn)相關(guān)參數(shù);[f]表示為數(shù)據(jù)內(nèi)容提供用戶和物聯(lián)網(wǎng)運(yùn)營(yíng)商等跟隨者向內(nèi)容需求用戶提供的數(shù)據(jù)總量之和;[p]表示為給定總數(shù)量。根據(jù)公式（3）計(jì)算得出的結(jié)果對(duì)單個(gè)需求用戶作為領(lǐng)導(dǎo)者，求解出最優(yōu)數(shù)據(jù)卸載策略，通過(guò)物聯(lián)網(wǎng)移動(dòng)邊緣用戶的數(shù)據(jù)需求，以此減少上述模型中迭代次數(shù)，提高本文卸載算法的效率。

1.3基于不完全物聯(lián)網(wǎng)移動(dòng)邊緣場(chǎng)景的數(shù)據(jù)卸載

完成上述基于完全物聯(lián)網(wǎng)移動(dòng)邊緣場(chǎng)景的數(shù)據(jù)卸載后，在對(duì)基于不完全物聯(lián)網(wǎng)移動(dòng)邊緣場(chǎng)景的數(shù)據(jù)卸載策略進(jìn)行設(shè)計(jì)。將物聯(lián)網(wǎng)運(yùn)營(yíng)、內(nèi)容提供以及內(nèi)容需求的收益最大化作為目標(biāo)，當(dāng)同時(shí)遇到兩個(gè)物聯(lián)網(wǎng)用戶時(shí)，若無(wú)法實(shí)現(xiàn)對(duì)物聯(lián)網(wǎng)移動(dòng)邊緣場(chǎng)景的數(shù)據(jù)負(fù)載情況，則需要提前做出對(duì)數(shù)據(jù)卸載的決策[7]?；诓煌耆锫?lián)網(wǎng)移動(dòng)邊緣場(chǎng)景的數(shù)據(jù)卸載具體卸載流程為：

第一步，采集物聯(lián)網(wǎng)移動(dòng)邊緣環(huán)境中記錄的數(shù)據(jù)信息，利用本文上述物聯(lián)網(wǎng)移動(dòng)邊緣節(jié)點(diǎn)計(jì)算任務(wù)切分方法，確定卸載任務(wù);

第二步，對(duì)物聯(lián)網(wǎng)移動(dòng)邊緣場(chǎng)景中的用戶數(shù)據(jù)需求進(jìn)行分析，并通過(guò)完成對(duì)物聯(lián)網(wǎng)效用函數(shù)的設(shè)計(jì);

第三步，通過(guò)數(shù)據(jù)需求分析結(jié)果得出總數(shù)據(jù)分析需求和可卸載數(shù)據(jù);

第四步，利用物聯(lián)網(wǎng)效用函數(shù)從聯(lián)網(wǎng)運(yùn)營(yíng)、內(nèi)容提供以及內(nèi)容需求三方面最大利益角度分析得出數(shù)據(jù)卸載策略。

根據(jù)上述卸載流程需要，得出物聯(lián)網(wǎng)效用函數(shù)為：

[U'=（p-e）?（q-fx）] ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （4）

公式（4）中，[U']表示為物聯(lián)網(wǎng)效用函數(shù)目標(biāo)結(jié)果;[p]表示為數(shù)據(jù)負(fù)載動(dòng)態(tài)變化參數(shù);[e]表示為物聯(lián)網(wǎng)運(yùn)營(yíng)環(huán)境單位數(shù)據(jù)的價(jià)值;[q]表示為數(shù)據(jù)負(fù)載;[f]表示為可卸載數(shù)據(jù);[x]表示為卸載比例。根據(jù)上述公式（4）計(jì)算得出的結(jié)果給出最優(yōu)數(shù)據(jù)卸載策略，完成對(duì)物聯(lián)網(wǎng)數(shù)據(jù)的卸載操作。

2對(duì)比實(shí)驗(yàn)

隨機(jī)選擇物聯(lián)網(wǎng)環(huán)境當(dāng)中的節(jié)點(diǎn)數(shù)據(jù)2000bit，已知在該數(shù)據(jù)集合當(dāng)中存在250個(gè)需要進(jìn)行卸載的數(shù)據(jù)，將其作為本文對(duì)比實(shí)驗(yàn)的實(shí)驗(yàn)對(duì)象，分別利用本文提出的移動(dòng)邊緣計(jì)算任務(wù)切分與物聯(lián)網(wǎng)最優(yōu)數(shù)據(jù)卸載算法和傳統(tǒng)卸載算法對(duì)其卸載隱藏處理。為了確保實(shí)驗(yàn)結(jié)果真實(shí)、有效，在實(shí)驗(yàn)開(kāi)始前，還需要利用與需要卸載的數(shù)據(jù)詳盡的非卸載需要數(shù)據(jù)進(jìn)行替代，對(duì)實(shí)驗(yàn)對(duì)象當(dāng)中需要卸載的數(shù)據(jù)進(jìn)行隱藏處理，再分別利用被窩呢卸載算法和出臺(tái)弄寫(xiě)在算法對(duì)實(shí)驗(yàn)對(duì)象卸載隱藏處理。根據(jù)上述實(shí)驗(yàn)準(zhǔn)備，完成兩種卸載算法的實(shí)際應(yīng)用后，將兩種算法的實(shí)驗(yàn)結(jié)果進(jìn)行記錄，并繪制成如表1所示的實(shí)驗(yàn)結(jié)果對(duì)比表。

表1中，[?]表示為卸載數(shù)據(jù)所在數(shù)據(jù)集合中數(shù)據(jù)總量;[λ]表示為需要進(jìn)行卸載的數(shù)據(jù)量。由表1數(shù)據(jù)結(jié)果可以看出，本文算法卸載數(shù)據(jù)量與[λ]值相比，精度在1bit左右，而傳統(tǒng)算法卸載數(shù)據(jù)量與[λ]值相比相差較大。同時(shí)，通過(guò)最終總計(jì)結(jié)果可以看出，本文算法卸載數(shù)據(jù)量與傳統(tǒng)算法卸載數(shù)據(jù)量相比，超出了接近1倍。因此，通過(guò)對(duì)比實(shí)驗(yàn)進(jìn)一步得出，本文提出的移動(dòng)邊緣計(jì)算任務(wù)切分與物聯(lián)網(wǎng)最優(yōu)數(shù)據(jù)卸載算法在實(shí)際應(yīng)用中具有更高的卸載精度，實(shí)現(xiàn)最優(yōu)數(shù)據(jù)卸載目標(biāo)。同時(shí)，將本文提出的移動(dòng)邊緣計(jì)算任務(wù)切分與物聯(lián)網(wǎng)最優(yōu)數(shù)據(jù)卸載算法應(yīng)用于實(shí)際能夠有效針對(duì)利用價(jià)值較低的數(shù)據(jù)進(jìn)行合理的卸載，進(jìn)一步提高物聯(lián)網(wǎng)環(huán)境的運(yùn)行效率，實(shí)現(xiàn)物聯(lián)網(wǎng)數(shù)據(jù)傳輸環(huán)境的時(shí)效性。

3結(jié)束語(yǔ)

本文通過(guò)開(kāi)展移動(dòng)邊緣計(jì)算任務(wù)切分與物聯(lián)網(wǎng)最優(yōu)數(shù)據(jù)卸載算法研究，提出一種全新的數(shù)據(jù)卸載算法，并通過(guò)實(shí)驗(yàn)進(jìn)一步證明了該算法的實(shí)際應(yīng)用優(yōu)勢(shì)。由于研究時(shí)間和能力的有限，針對(duì)物聯(lián)網(wǎng)中存在異常的卸載數(shù)據(jù)，在卸載過(guò)程中對(duì)其衰減系數(shù)和相對(duì)時(shí)延等問(wèn)題并未進(jìn)行深入的探究。因此，在后續(xù)的研究過(guò)程中還將針對(duì)這一方面的問(wèn)題進(jìn)行更加深入的研究，以期為創(chuàng)造用戶滿意度更高的物聯(lián)網(wǎng)環(huán)境提供保障。

參考文獻(xiàn)：

[1] 黃正鵬，王力，張仕學(xué)，等.基于傳統(tǒng)遺傳和數(shù)據(jù)壓縮算法的冗余光纖數(shù)據(jù)存儲(chǔ)優(yōu)化[J].激光雜志，2019，40（3）：135-139.

[2] 梁顯麗，楊海波.基于人工蜂群優(yōu)化算法的激光傳感云數(shù)據(jù)挖掘系統(tǒng)設(shè)計(jì)[J].激光雜志，2019，40（8）：94-97.

[3] 翟月.面向數(shù)據(jù)卸載的5G分布式緩存優(yōu)化研究[J].佳木斯大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，38（6）：127-129，148.

[4] 張尚偉，劉家佳，許鐵鑫.無(wú)人機(jī)輔助的蜂窩數(shù)據(jù)流量卸載及保密傳輸方案[J].西安交通大學(xué)學(xué)報(bào)，2021，55（2）：121-128.

[5] 許建平.邊緣計(jì)算技術(shù)的發(fā)展及其對(duì)抗惡劣環(huán)境數(shù)據(jù)中心技術(shù)的影響[J].艦船電子工程，2019，39（9）：12-16.

[6] 王辰.OGG數(shù)據(jù)卸載平臺(tái)中數(shù)據(jù)傳輸高可用方案的論證與設(shè)計(jì)[J].信息與電腦（理論版），2020，32（11）：140-142.

[7] 丁旭陽(yáng)，謝盈，張小松.基于邊緣計(jì)算的進(jìn)化多目標(biāo)優(yōu)化圖像隱寫(xiě)算法[J].計(jì)算機(jī)研究與發(fā)展，2020，57（11）：2260-2270.

【通聯(lián)編輯：光文玲】